arXiv论文给出有限实验下φ可识别性结论
热点事件持续更新
arXiv论文给出有限实验下φ可识别性结论
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Linqian Wu 在 arXiv 提交论文,针对整合信息理论中的 φ,给出有限实验下可识别性与可认证性的精确答案。论文称,在四、五单元的随机网络中,输入输出规律相同的循环网络与前馈网络分别携带 0.28 bit 与 0 bit,内部记录可在 4–53 次试验内区分二者;单步记录遗漏的单元会带来 0.30–1.02 bit 的精度下限,任何样本量都无法降低。 论文还称,机制微小变化跨越边界时,φ 在 99% 的边界处变化 25–100%;在 64 维机制区域内 φ>1.004 bit,并可由约 10^7 次受控转移以不超过 α 的错误认证概率验证。代码以附件形式提供。这些结论均来自论文自身的表述。
AI 根据报道生成 · 3 小时前更新
最新进展11月6日 02:55
相同行为,不同机制:有限实验能为整合信息 φ 证明什么报道时间线
沿着报道,了解事件的不同侧面。
11月6日
- arXiv · cs.AI相同行为,不同机制:有限实验能为整合信息 φ 证明什么
研究针对整合信息理论中的 φ 给出可识别性与可认证性的精确答案:在四、五单元的随机网络中,输入输出规律相同的循环与前馈网络分别携带 0.28 与 0 bit,内部记录可在 4-53 次试验内区分二者。单步记录遗漏的单元会带来 0.30-1.02 bit 的精度下限,任何样本量都无法降低;机制微小变化跨越边界时 φ 在 99% 的边界处变化 25-100%。研究还证明 64 维机制区域内 φ>1.004 bit,并可由约 10^7 次受控转移以不超过 α 的错误认证概率验证。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。